想成為產品經理嗎?分享三種轉職PM攻略
想成為產品經理嗎?分享三種轉職PM攻略

沒有技術背景,如何成為產品經理?如何從業務/設計師/工程師跨足產品管理?到底產品經理的工作是什麼?什麼樣背景的人最適合成為產品經理?今天的文章會討論以下四個問題:

  1. 為什麼產品經理被稱為mini CEO?
  2. 產品經理分為哪三種背景?
  3. 技術背景怎麼拿到職缺?
  4. 商業背景怎麼拿到職缺?

為什麼產品經理被稱為mini CEO

我在【PM總動員】在美國大型軟體公司和矽谷新創擔任產品經理的三大不同中曾經提到:

打造和管理對客戶跟公司具有最大價值的產品,是產品經理最重要的工作。(The job of the product manager is “to discover a product that is valuable, usable and feasible.”)— Marty Cagan

好的PM要有和高層協調制定產品策略的高度,同時又能夠捲起袖子來推動具體執行,還要能和設計、工程、銷售、行銷、研發、運營、法務、客服與財務等各部門共同合作。

而在不同產業、不同產品類型,或在公司和產品的不同階段,也需要PM發揮挖掘需求、優化或推出產品、團隊合作、協調溝通,領導管理等各個不同領域的能力和技能。

因此,知名創投a16z的Ben Horowitz曾經說過:

A good product manager is the CEO of the product。

產品經理的演進史

要了解什麼是產品經理,得先從它的歷史講起。

現在我們所熟悉的PM角色大多來自於科技公司,但是,PM這個概念最早其實是由P&G提出的。當時還不被稱為產品經理,而是更像品牌經理的概念。

Neil H. McElroy率先提出所謂的「Brand Men」,負責從追蹤業績一直到管理產品和行銷(from tracking sales to managing the product, advertising, and promotions)。

在FMCG(快速消費品)產業,因為產品生命周期較長,生產製造和研發分開進行, PM相對專注於4P中的Place(通路/地點)、Price(價格)和Promotion(推廣/促銷)。也因此,PM在FMCG產業中通常被歸類在行銷部門的一部分。

4P行銷組合_Gogo Partner
圖/ Gogo Partner

但到了軟體科技業,生產製造和研發的分界不再那麼明顯,對於產品創新和引進新科技的要求也更高,因此4P中的Product(產品)又重新回到舞台中央。尤其在敏捷管理(Agile Management)成為主流後,PM的產品管理角色更為吃重,逐漸脫離行銷Marketing或工程Engineering部門,自成一家。

隨著產品部門受到更多的重視,許多公司開始將原本屬於其他部門的權責範圍,畫分到產品部門,例如user acquisition、user growth、user flows、user experience。PM自此成為真正為用戶服務,負責整個產品生命周期的人。

PM_AltesSoft
圖/ AltesSoft

產品經理分為哪三種類型?

看完了產品經理的演進歷程,不難理解為什麼PM的工作需要橫跨三個領域:business、engineering、design。你可以從UX轉PM,工程師(Engineer)轉PM,也可以從Sales(Business)轉PM,但是你必須要對這三個領域都有足夠的了解,缺一不可,因為PM是連結這三個領域的核心。

換句話說,比較容易轉職的方式,是從自己擅長的領域著手,如果你是工程背景,就找技術性高的產品(e.g.無人車或是B2B AI robotics軟體),商業背景則可以從技術性不高,但重視優化策略性指標的公司著手。每間公司也有不同的風格,例如Amazon聘用很多商業MBA背景的PM,而Google則偏好有工程背景的PM。

Mckinsey在訪問多位科技公司PM之後,歸類出以下三種產品經理類型:Technologies、Generalist、Business-oriented。這篇文章雖然是在2017年發表的,但是今天看來還是具有一定參考價值。

接下來,我會就我自己和周邊朋友的經驗分析,從技術和商業背景轉職PM,分別有什麼好處和壞處,具體又應該怎麼做。

轉職PM_Mckinsey
圖/ Mckinsey

Engineering to Product ─ 技術背景怎麼轉PM?

我身邊就有好幾位同事和朋友是從軟體工程師、Machine Learning工程師轉為PM或是TPM(Technical Product Manager)。因為他們的背景,通常和工程團隊的溝通不成問題,但相對的,需要增加對使用者需求,市場研究,競爭者分析,產品定位,及商業判斷的了解。

一般來說,公司內部轉職會比較容易,尤其是在一些開發複雜技術產品,或是公司內部產品(使用者為公司其他部門,而非外部客戶)的部門,常常是由技術主導決策,一開始不一定會有PM。一旦出現產品管理需求,熟悉該項技術的工程師很可能會成為第一個PM,類似的狀況也可能發生在技術主導的新創公司。

這種背景的PM最常犯的錯誤,就是太偏重技術考量,而忽略使用者真正的需求。例如,可能認為這個新功能很「酷」,或市場上沒有其他競爭對手就決定產品方向,最後才發現這不是使用者真正需要且願意付費的功能。

你的競爭對手也不笨,如果市場上完全沒有這樣的解決方案,最大的可能不是你比其他人更洞燭機先,而是這個產品根本沒有真正的市場需求。

另一個常見錯誤,是想要主導產品開發和工程團隊的決定。PM最重要的工作是決定產品方向,我們需要開發什麼樣的功能,解決使用者的哪些問題,也就是所謂的「What」。

至於「How」,具體應該如何執行?使用哪種軟體架構?監督學習或是強化學習?PM可以參與討論,但最終應該交由工程團隊決定。如果你無法信任工程團隊可以做出最好的技術決策,那麼這間公司可能有更大的問題。尤其是機器學習跟AI產品,需要給技術團隊有更多的實驗空間。

Business to Product ─ 商業背景怎麼拿到職缺?

在美國多數大公司的PM面試,都有一定的流程和關卡。像是Amazon這樣的公司,每年都會透過既定的面試流程,聘用有商業背景或是MBA畢業生。這些人通常對市場研究、競爭者分析及商業判斷都很熟悉,但是需要加強對使用者的了解,和設計團隊合作的經驗,以及對產品技術面的理解。

我身邊商業背景的PM朋友,通常偏好選擇技術上較不複雜的B2C產品,而避開技術性較高的B2B產品。這些B2C產品通常比較注重使用者經驗、策略性指標(metrics),而非技術架構。

總結

其實產品經理並沒有一定的背景或學經歷,不論是上述哪一種類型的PM,或是在公司裡從事哪種工作,都必須要找到自己獨特的附加價值(value-add)。

把自己想成一個產品來打造,你獨一無二的賣點是什麼?(What's your USP, or unique selling proposition?)

商業背景的人,與其擔心自己的技術能力不足,不如想想公司為什麼會聘用你做PM?肯定不是希望你跟工程師有同樣的技術能力 (如果是這樣,他就僱用另一個工程師就好),而是希望你可以帶來不同的觀點和價值

也就是說,與其擔心自己的技術能力不足,不如專注在只有你可以做到的事情上。 例如,你是不是公司裡面最了解使用者需求的人?你是不是比工程團隊更知道競爭產品和市場的發展方向,可以提供給工程師更多有價值的背景資訊?

同樣的,技術背景的人也必須清楚你現在的角色是PM,而不是工程師。你要做的是找出使用者需求,並將這些需求很清楚地傳達給工程團隊,而不是干涉實際執行層面的技術決定。或是忽略顧客需求分析的重要性,一味相信只要可以開發出世界上最好的產品,就一定有人會買單。

責任編輯:陳建鈞

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場

關鍵字: #產品/專案開發
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓